Workplace bullying: consequences, causes and controls (part two)
Notice bibliographique
Résumé
Purpose This paper's aim is to examine workplace bullying – what it is and its causes, consequences – and to offer managers control systems on how to counter, reduce or eliminate it. The scale of bullying in the workplace is quite alarming – it is estimated that 1.7 million Americans and 11 percent of British workers have experienced bullying at work in the last six months. Until now the topic has many problems identified but limited solutions. This article attempts to close that gap. Design/methodology/approach The two‐part article begins with a review of definitions/descriptions of workplace bullying. Next, an exploratory look at the consequences of workplace bullying is presented and demonstrates its impact on victims and organizations. Moreover, a summary of potential sources will be exposed ranging from personality traits to organizational constructs. Finally, the article will approach three organizational strategies that have been proven to act as control systems towards workplace bullying. Findings It is found that transformational and ethical leadership are both very effective tools for managers to counter workplace bullying and that the instauration of an ethical climate in the workplace appears to be the most effective in avoiding workplace bullying from forming. Research limitations/implications The paper does not compare control systems against one another and does not explore the effectiveness of bullying predictors. Originality/value The paper offers a comprehensive approach in understanding workplace bullying, its causes and its consequences. As well, it offers tools to managers on control systems designed to counter it. The topic is quite new in the literature and very relevant in terms of incidents that are repeated in the popular press but limited in terms of research articles.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».